我有一列来自 Excel,应该包含持续时间(以小时为单位) - 示例:02:00:00
-
如果所有这些持续时间都小于 24:00,则效果很好,但如果其中一个持续时间超过该时间,则它在 pandas 中显示为 1900-01-03 08:00:00
(因此日期时间)
因此数据类型为 dtype('O')。
df = pd.DataFrame({'duration':[datetime.time(2, 0), datetime.time(2, 0),
datetime.datetime(1900, 1, 3, 8, 0),
datetime.datetime(1900, 1, 3, 8, 0),
datetime.datetime(1900, 1, 3, 8, 0),
datetime.datetime(1900, 1, 3, 8, 0),
datetime.datetime(1900, 1, 3, 8, 0),
datetime.datetime(1900, 1, 3, 8, 0), datetime.time(1, 0),
datetime.time(1, 0)]})
# Output
duration
0 02:00:00
1 02:00:00
2 1900-01-03 08:00:00
3 1900-01-03 08:00:00
4 1900-01-03 08:00:00
5 1900-01-03 08:00:00
6 1900-01-03 08:00:00
7 1900-01-03 08:00:00
8 01:00:00
9 01:00:00
但是,如果我尝试转换为时间或日期时间,我总是会收到错误。
TypeError: <class 'datetime.time'> is not convertible to datetime
今天如果我不解决这个问题,所有大于 24:00 的持续时间都会消失。
最佳答案
您的问题出在读取 Excel 文件的引擎上。它将具有特定格式的单元格(例如 [h]:mm:ss
或 hh:mm:ss
)转换为 datetime.datetime
或datetime.time
对象。然后这些数据会被传输到 pandas DataFrame 中,所以这实际上不是 pandas 问题。
在开始破解 Excel 阅读器引擎之前,在 Excel 中解决问题可能会更容易。这是一个小示例文件;
您可以下载here 。
duration
由 Excel 自动设置格式,duration_text
是在输入值之前将列格式设置为“文本”时得到的结果, duration_to_text
是在 Excel 自动设置值(第一列)格式后将格式更改为文本时得到的结果。
现在,使用 pandas 导入后您就拥有了所需的一切:
df = pd.read_excel('path_to_file')
df
duration duration_text duration_to_text
0 12:30:00 12:30:00 0.520833
1 1900-01-01 00:30:00 24:30:00 1.020833
# now you can parse to timedelta:
pd.to_timedelta(df['duration_text'], errors='coerce')
0 0 days 12:30:00
1 1 days 00:30:00
Name: duration_text, dtype: timedelta64[ns]
# or
pd.to_timedelta(df['duration_to_text'], unit='d', errors='coerce')
0 0 days 12:29:59.999971200 # note the precision issue ;-)
1 1 days 00:29:59.999971200
Name: duration_to_text, dtype: timedelta64[ns]
另一个可行的选择是将 Excel 文件另存为 csv
并将其导入到 pandas DataFrame。上面使用的示例 xlsx 看起来像 this例如。
如果除了在 pandas 中重新处理之外别无选择,则可以选择专门处理 datetime.time 对象和 datetime.datetime 对象,例如
import datetime
# where you have datetime (incorrect from excel)
m = [isinstance(i, datetime.datetime) for i in df.duration]
# convert to timedelta where it's possible
df['timedelta'] = pd.to_timedelta(df['duration'].astype(str), errors='coerce')
# where you have datetime, some special treatment is needed...
df.loc[m, 'timedelta'] = df.loc[m, 'duration'].apply(lambda t: pd.Timestamp(str(t)) - pd.Timestamp('1899-12-31'))
df['timedelta']
0 0 days 12:30:00
1 1 days 00:30:00
Name: timedelta, dtype: timedelta64[ns]
关于python - 具有混合时间和日期时间的列的 Pandas 问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/70858332/